妙旭娟，乔楷，冯玫，刘维

(1.国网新疆电力公司经济技术研究院，新疆 乌鲁木齐　830011，2.湖南科鑫电力设计有限公司，湖南 长沙　410000)

0　引　言

高压XLPE电缆绝缘缺陷的带电检测和在线监测是保障电缆正常运行的必要手段，其中脉冲电流法等局部放电检测方法被IEEE、CIGRE等国际电力权威机构一直推荐为最有效的电力设备绝缘状态评价方法。XLPE电缆不同绝缘缺陷模式、严重程度的快速准确识别是实现智能化电网的需要。

常用的局部放电模式识别方法可分为线性投影和非线性投影分析两种。如文献[1]使用主成分分析方法(PCA)方法对XLPE电缆局部放电信号统计特征进行分类就是典型的线性投影手段。部分研究基于核方法[2]、流形学习[3]和稀疏表示[4]等方法抽取局部放电样本的非线性特征。随着研究的不断开展，基于单一方式提取的局部放电信号特征难以满足识别精度的要求，使用多种手段进行有效融合得到组合特征，实现优势互补是当下研究的热点。

典型相关投影分析(CCA)是一种经典的多元数据统计分析方法，以两组及两组以上的特征集数据为主要内容，能够提取多组数据间的相关关系，而又尽量不丢失原始特征集的有效辨识信息，有效减少特征表示的冗余度。然而CCA无法提取不同特征之间的非线性关系[5]。在此基础上，Akaho于2001年提出将基于核技术的非线性降维方法引入CCA，提出了核典型相关分析(KCCA)[6]。现阶段，CCA和KCCA方法在气象信息预测、人脸识别、字符识别、图像处理等领域已有较多运用，但在电网信息和电力设备运行信息状态评估等领域应用极少。……